​统计与概率复习思维导图1

统计与概率复习思维导图1

1．简单随机抽样

(1)定义：一般地，设一个总体含有N个个体，从中逐个不放回地抽取n个个体作为样本(n≤N)，如果每次抽取时总体内的各个个体被抽到的机会都相等，就把这种抽样方法叫做简单随机抽样．这样抽取的样本，叫做简单随机样本．

(2)常用方法：抽签法和随机数法．

2．分层抽样

(1)在抽样时，将总体分成互不交叉的层，然后按照一定的比例，从各层独立地抽取一定数量的个体，将各层取出的个体合在一起作为样本，这种抽样方法是一种分层抽样．

(2)分层抽样的应用范围

当总体是由差异明显的几个部分组成时，往往选用分层抽样．

3．频率分布直方图

(1)纵轴表示组距(频率)，即小长方形的高＝组距(频率)；

(2)小长方形的面积＝组距×组距(频率)＝频率；

(3)各个小方形的面积总和等于1.

4．频率分布表的画法

第一步：求极差，决定组数和组距，组距＝组数(极差)；

第二步：分组，通常对组内数值所在区间取左闭右开区间，最后一组取闭区间；

第三步：登记频数，计算频率，列出频率分布表．

5．条形图、折线图及扇形图

(1)条形图：建立直角坐标系，用横轴(横轴上的数字)表示样本数据类型，用纵轴上的单位长度表示一定的数量，根据每个样本(或某个范围内的样本)的数量多少画出长短不同的等宽矩形，然后把这些矩形按照一定的顺序排列起来，这样一种表达和分析数据的统计图称为条形图．

(2)折线图：建立直角坐标系，用横轴上的数字表示样本值，用纵轴上的单位长度表示一定的数量，根据样本值和数量的多少描出相应各点，然后把各点用线段顺次连接，得到一条折线，用这种折线表示出样本数据的情况，这样的一种表示和分析数据的统计图称为折线图．

(3)扇形图：用一个圆表示总体，圆中各扇形分别代表总体中的不同部分，每个扇形的大小反映所表示的那部分占总体的百分比的大小，这样的一种表示和分析数据的统计图称为扇形图．

6．中位数、众数、平均数的定义

(1)中位数

将一组数据按大小依次排列，处于最中间位置的一个数据(或最中间两个数据的平均数)叫做这组数据的中位数．

(2)众数

一组数据中出现次数最多的数据叫做这组数据的众数．

(3)平均数

一组数据的算术平均数即为这组数据的平均数，n个数据x1，x2，…，xn的平均数＝n(1)(x1＋x2＋…＋xn)．

7．样本的数字特征

1．频率分布直方图中的常见结论

(1)众数的估计值为最高矩形的中点对应的横坐标．

(2)平均数的估计值等于频率分布直方图中每个小矩形的面积乘以小矩形底边中点的横坐标之和．

(3)中位数的估计值的左边和右边的小矩形的面积和是相等的．

2．平均数、方差的公式推广

(1)若数据x1，x2，…，xn的平均数为，则mx1＋a，mx2＋a，mx3＋a，…，mxn＋a的平均数是m＋a.

(2)若数据x1，x2，…，xn的方差为s2，则数据ax1＋b，ax2＋b，…，axn＋b的方差为a2s2.

1．应用简单随机抽样应注意的问题

(1)一个抽样试验能否用抽签法，关键看两点：一是抽签是否方便；二是号签是否易搅匀．一般地，当总体容量和样本容量都较小时可用抽签法．

(2)在使用随机数法时，如遇到三位数或四位数，可从选择的随机数表中的某行某列的数字计起，每三个或四个作为一个单位，自左向右选取，有超过总体号码或出现重复号码的数字舍去．

2．分层抽样问题的类型及解题思路

(1)求某层应抽个体数量：按该层所占总体的比例计算．

(2)已知某层个体数量，求总体容量或反之求解：根据分层抽样就是按比例抽样，列比例式进行计算．

(3)分层抽样的计算应根据抽样比构造方程求解，其中“抽样比＝总体容量(样本容量)＝各层个体数量(各层样本数量)”．

1．变量间的相关关系

(1)常见的两变量之间的关系有两类：一类是函数关系，另一类是相关关系；与函数关系不同，相关关系是一种非确定性关系．

(2)从散点图上看，点散布在从左下角到右上角的区域内，两个变量的这种相关关系称为正相关；点散布在左上角到右下角的区域内，两个变量的这种相关关系为负相关．

2．两个变量的线性相关

(1)从散点图上看，如果这些点从整体上看大致分布在通过散点图中心的一条直线附近，称两个变量之间具有线性相关关系，这条直线叫做回归直线．

(2)回归方程为^(y)＝^(b)x＋^(a)，其中

^(b)＝)2(n)＝2(2)， ^(a)＝－^(b).

(3)通过求(yi－bxi－a)2(n)的最小值而得到回归直线的方法，即使得样本数据的点到回归直线的距离的平方和最小，这一方法叫做最小二乘法．

(4)相关系数：

当r＞0时，表明两个变量正相关；

当r＜0时，表明两个变量负相关．

r的绝对值越接近于1，表明两个变量的线性相关性越强．r的绝对值越接近于0，表明两个变量之间几乎不存在线性相关关系．通常|r|大于0.75时，认为两个变量有很强的线性相关性．

3．独立性检验

(1)2×2列联表

设X，Y为两个变量，它们的取值分别为{x1，x2}和{y1，y2}，其样本频数列联表(2×2列联表)如下：

y1

y2

总计

x1

a

b

a＋b

x2

c

d

c＋d

总计

a＋c

b＋d

a＋b＋c＋d

(2)独立性检验

独立性检验是对两个变量有关系的可信程度的判断，而不是对其是否有关系的判断．

[常用结论]

1．求解回归方程的关键是确定回归系数^(a)，^(b)，应充分利用回归直线过样本中心点(，)．

2．根据K2的值可以判断两个分类变量有关的可信程度，若K2越大，则两分类变量有关的把握越大．

3．根据回归方程计算的^(y)值，仅是一个预报值，不是真实发生的值．

判断相关关系的2种方法

(1)散点图法：如果所有的样本点都落在某一函数的曲线附近，变量之间就有相关关系．如果所有的样本点都落在某一直线附近，变量之间就有线性相关关系．

(2)相关系数法：利用相关系数判定，当|r|越趋近于1相关性越强.